java JDBC入门

Java JDBC是一种规范,一种各个数据库厂商访问数据库的规范,接下来讲一下JDBC是如何访问数据库的,我电脑安装的是SQL server 2014

1、下载驱动,驱动地址:https://www.microsoft.com/zh-CN/download/details.aspx?id=11774



2、下载解压,把sqljdbc.jar拷贝到eclipse项目工程中,再配置一下Build Path->库->添加外部jar引用即可



3、设置SQL server

要确定SQL Server是采用身份验证登录的哦。

找到sql server配置管理器->SQL server 网络配置->MSSQLSERVER的协议,启用右边的协议。双击【TCP/IP】弹出窗口,切换IP地址选项卡,在IP1中输入指定IP地址,例如输入127.0.0.1,活动选择“是”;滚动条拉到底,设置IPAll中的TCP端口为1433,点击应用保存即可,最后重启SQL Server服务




4、基础环境处理好后,就使用JDBC连接数据库了哦,步骤:注册驱动->获取数据库连接->操作数据库->关闭连接

package DAO;

import java.sql.*;
import java.util.UUID;

public class JdbcUtil {
	public Connection getConnection() {
		Connection dbConn = null;
		String url = "";
		String userName = "";
		String password = "";
		try {
			url = String.format(
					"jdbc:sqlserver://127.0.0.1:1433;DatabaseName=%s",
					"SFTMQIS_UT");
			userName = "sa";
			password = "123456";
			// 注册驱动
			Class.forName("com.microsoft.sqlserver.jdbc.SQLServerDriver");
			// 获取数据库连接
			dbConn = DriverManager.getConnection(url, userName, password);
		} catch (Exception e) {
			e.printStackTrace();
		}
		return dbConn;
	}

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		Connection dbConn = new JdbcUtil().getConnection();
		StringBuffer sqlBuf = new StringBuffer();
		int index = 0;
		try {
			sqlBuf.append(" insert into Tb_Supplier(Id,SupplierCode,SupplierName,SupplierAddr,CreateTime)");
			sqlBuf.append("  values(?,?,?,?,?);");
			PreparedStatement pmt = dbConn.prepareStatement(sqlBuf.toString());
			pmt.setString(++index, UUID.randomUUID().toString());
			pmt.setString(++index, "供应商代码");
			pmt.setString(++index,"供应商名称");
			pmt.setString(++index, "供应商地址");
			pmt.setTimestamp(++index,new java.sql.Timestamp(new java.util.Date().getTime()));
			int ret=pmt.executeUpdate();
			System.out.println("数据新增成功 !... "+ret);
		} catch (SQLException e) {
			e.printStackTrace();
		} finally {

		}
	}
}


运行程序后,在数据库中插入了一条数据




以上可以作为JDBC入门





深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值